Adatalapú megoldások

Adatalapú megoldások

Tárgykód	VITMBB02
Általános infók
Szak	üzemmérnök
Kredit	5
Ajánlott félév	4
Keresztfélév	N/A
Tanszék	TMIT
Követelmények
KisZH	4 db
NagyZH	1 db
Házi feladat	nincs
Vizsga	szóbeli
Elérhetőségek
Tantárgyi adatlap

A tantárgy célja a hallgatók megismertetése az adatfókuszú Python nyelv azon eszköztárával, amelynek segítségével megoldhatók tipikus adatközpontú problémák. A sokszínű feladatok között a hallgatók megtanulhatják a szükséges munkafolyamatokat, azaz automatikus adatletöltést, adatok integrálását és áttöltését különböző API-k segítségével, illetve annak a technikáját, hogy hogyan kell a prediktív analitikai megoldásokat különböző előrejelzési környezetbe integrálni. A tárgy elvégzése után a hallgató képes lesz alapszintű, integrált, adatközpontú megoldások kialakítására és üzemeltetésére.

Követelmények

Előtanulmányi rend

• Specializáció besorolás.

A szorgalmi időszakban

• A gyakorlatokon legalább 70%-os részvétel.
• A ZH legalább elégséges szintű (40%) teljesítése (összegző teljesítményértékelés).
• 4 db kisZH a félév folyamán
  • 30-45 perc
  • Önálló feladatmegoldás gépen
  • GO/NO GO
  • Nem lehet őket pótolni.
• Általában úgy van, hogy a numpy-t és a pandas-t egyszerre íratják meg, majd a gépi tanulás és vizualizáció részt is. Mindkettő esetén az értékelés viszont külön zajlik: tehát, ha pl. a numpy teszted sikerült, de a pandas nem, attól még az 1 pontot megkapod a numpy részre.
• Kiselőadás 8. héten = 1 db teljesített gyakorlati teszt
  • 2022-es kiselőadás témák
• Megajánlott jegy: (0,6 * ZH_jegy + 0,4 * teljesített_tesztek_száma >= 3,5)

• Pótlási lehetőségek:
  • A ZH szorgalmi időszakban pótolható.
  • Van PPZH is.

A vizsgaidőszakban

• A vizsga legalább elégséges (40%) teljesítése szükséges.

Félévvégi jegy

Megajánlott/vizsga eredménye szerint.

Tematika

Anaconda és Jupyter Notebook szükséges.

• 2022
  • 1.: Bevezetés, IPython és Python alapok
    • intro
    • python basics 1
    • python basics 2
  • 2.: Adatállományok típusai, adatminőség, előfeldolgozás
  • 3.: NumPy
    • numpy1
    • numpy2
    • numpy3
    • numpy gyakorló feladatok
  • 4.: Pandas
    • pandas1
    • pandas2
    • pandas3
    • pandas gyakorló feladatok
  • 5.: Gépi tanulás
    • scki-kit learn
    • validáció
    • jellemzőtervezés
    • döntési fák - Ezt az anyagrészt Szűcs Gábor adta elő.
    • osztályozás
  • 6.: Vizualizáció
    • vizualizáció 1
    • vizualizáció 2

ZH

• Elméleti és gyakorlati kérdések vegyesen.
• Papíralapú és feleletválasztós. (Tehát a tárgy elvégzéséhez nem feltétlenül szükséges az, hogy legyen laptopod.)
• Rossz válasz esetén pontlevonás nincs.
• A ZH eredménye nem számít a vizsgajegybe.
• Megajánlotthoz a ZH-ra kapott jegy (és nem a pontszám) számít. (Minimum 4-est kell írni a megajánlotthoz.)
• PZH-val és PPZH-val is lehet megajánlottat szerezni.

Tippek

• Az előadó jó fej és segítőkész, a tárgy hasznos.
• Az anyagok Moodle-ön megtalálhatóak, a közérdekű információkat Teams csoportba posztolják.
• Az előadások és gyakorlatok között nem tesznek különbséget, értsd: mindegyik óra gyakorlati. Érdemes laptopot vinni, de nem kötelező.
• A hiányzásokat nem veszik figyelembe, de érdemes bejárni.
• Néha vannak céges vendégelőadók, 2022-ben pl. a Lexunit Group Ltd.

Üzemmérnök-informatikus BProf
1. félév	Algoritmusok és gráfok  •  A programozás alapjai  •  Bevezető matematika B  •  Digitális kompetenciák  •  Hardver alapok  •  Kalkulus
2. félév	Hálózatok alapjai és üzemeltetése  •  Kísérleti fizika  •  Objektumorientált programozás  •  Operációs rendszerek B  •  Valószínűségszámítás B
3. félév	Adatkezelés  •  Alkalmazott mesterséges intelligencia  •  Eseményvezérelt és vizuális programozás  •  Kódolás és IT biztonság  •  Szoftvertechnológia és -technikák
4. félév	Elektronika alapjai  •  Jelek és jelfeldolgozás  •  Menedzsment és vállalkozásgazdaságtan
5. félév	Mikro- és makroökonómia B  •  Jogi alapismeretek
6. félév	Záróvizsga